파이썬을 위한 간단하고 사용하기 쉬운 데이터 검증 라이브러리입니다.

Validoopsie

Validoopsie는 매우 가볍고 사용자 친화적인 파이썬용 데이터 검증 라이브러리입니다. 클래스를 쉽게 선언하고 검증을 체인 형태로 연결할 수 있도록 설계되었습니다. 이는 인기 있는 DataFrame 라이브러리 스타일을 연상시키며, 데이터프레임 작업을 자주 하는 개발자들에게 익숙하고 직관적인 도구가 됩니다.

훌륭한 작업을 수행한 Narwhals 덕분에, Validoopsie는 "Bring Your Own DataFrame"(BYOD) 개념을 포함하고 있습니다. 이 유연성 덕분에 Narwhals가 지원하는 어떤 DataFrame이라도 데이터 검증 작업에 사용할 수 있습니다. 지원되는 전체 DataFrame 종류를 확인하려면 이 링크를 방문하세요.

Validoopsie의 구문은 사용의 용이성을 보장하도록 신중하게 설계되었습니다. 모든 검증 함수는 각자 메서드로 캡슐화되어 있으며, 이 메서드들은 매끄럽게 연결할 수 있습니다. 이 메서드별 설계는 단순성과 가독성을 우선시하며, 매번 새로운 API에 적응할 필요가 없도록 해줍니다.

스위치 라이브러리입니다. 깨끗하고 이해하기 쉬운 코드를 유지하는 데 집중할 수 있게 해줍니다.

Validoopsie는 Great Expectations 라이브러리에서 많은 영감을 받았습니다. 데이터 검증 프로세스를 간단하고 효율적으로 만들기 위해 노력합니다. 데이터 무결성을 확인하거나 데이터 표준 준수를 보장하는 작업이든, Validoopsie는 이러한 작업을 접근 가능하고 간단하게 수행할 수 있도록 간소화되면서도 강력한 솔루션을 제공합니다.

목차

• 설치
• 시작하기
• 버전
• 더블 언더 메서드
• 검증 메서드
• 개발
• 라이선스

설치

• pip

• uv

시작하기

• 📖 문서
• 🚨 Validoopsie의 영향 수준
• 🎯 Validoopsie의 임계값 수준
• 🛠️ 기여 지침
• ✨ Validoopsie에 새로운 검증 기여하기
• 🧑‍💻 나만의 맞춤 검증 개발하기
• 🗂️ 검증 카탈로그

반쯤 잠든 상태. 이 라이브러리의 단순성은 BYOD(Bring Your Own DataFrame) 개념에 의해 강화되며, 여기서는 단지 Validate 클래스를 사용하고 원하는 검증을 체인으로 연결하기만 하면 됩니다. 이 접근 방식은 최소한의 노력과 불필요한 복잡성 없이 시작할 수 있음을 보장합니다.

import pandas as pd
from validoopsie import Validate
p_df = pd.DataFrame(
    {
        "name": ["John", "Doe", "Jane"],
        "target_name": ["John", "Doe", "Jane"],
        "last_name": ["Smith", "Smith", "Smith"],
        "age": [25, 30, 35],
    },
)
vd stands for Validate Data
vd = Validate(p_df)
vd.EqualityValidation.PairColumnEquality(
    column="name",
    target_column="age",
    impact="high",
).UniqueValidation.ColumnUniqueValuesToBeInList(
    column="last_name",
    values=["Smith"],
).ValuesValidation.ColumnValuesToBeBetween(
    column="age",
    min_value=20,
    max_value=40,
)
vd.results

출력:

{
  "Summary": {
    "passed": false,
    "validations": [
      "PairColumnEquality_name",
      "ColumnUniqueValuesToBeInList_last_name",
      "ColumnValuesToBeBetween_age"
    ],
    "failed_validation": ["PairColumnEquality_name"]
  },
  "PairColumnEquality_name": {
    "validation": "PairColumnEquality",
    "impact": "high",
    "timestamp": "2025-10-07T11:25:04.213211+02:00",
    "column": "name",
    "result": {
      "status": "Fail",
      "threshold_pass": false,
      "message": "The column 'name' is not equal to the column'age'.",
      "failing_items": [
        "Doe - column name - column age - 30",
        "Jane - column name - column age - 35",
        "John - column name - column age - 25"
      ],
      "failed_number": 3,
      "frame_row_number": 3,
      "threshold": 0.0,
      "failed_percentage": 1.0
    }
  },
  "ColumnUniqueValuesToBeInList_last_name": {
    "validation": "ColumnUniqueValuesToBeInList",
    "impact": "low",
    "timestamp": "2025-10-07T11:25:04.216417+02:00",
    "column": "last_name",
    "result": {
      "status": "Success",
      "threshold_pass": true,
      "message": "All items passed the validation.",
      "frame_row_number": 3,
      "threshold": 0.0
    }
  },
  "ColumnValuesToBeBetween_age": {
    "validation": "ColumnValuesToBeBetween",
    "impact": "low",
    "timestamp": "2025-10-07T11:25:04.217300+02:00",
    "column": "age",
    "result": {
      "status": "Success",
      "threshold_pass": true,
      "message": "All items passed the validation.",
      "frame_row_number": 3,
      "threshold": 0.0
    }
  }
}

vd.display_summary()

Display a full detailed table with all available information

vd.display_summary(information="full")

Customize the table format (supports tabulate formatting options)

vd.display_summary(tablefmt="pipe", maxcolwidths=20)

display_summary 메서드는 두 가지 정보 수준을 지원합니다:

• "short" (기본값): 타임스탬프, 영향도, 상태, 검증 유형, 열, 임계값 및 실패 세부 정보와 같은 주요 지표를 표시합니다
• "full": 사용 가능한 모든 검증 및 결과 필드를 표시합니다

버전

언제든지 설치된 Validoopsie 버전을 확인할 수 있습니다:

from validoopsie import __version__
print(__version__)

더블 언더 메서드

Validate 클래스는 편의를 위해 여러 파이썬 더블 언더 메서드를 지원합니다:

• repr(vd) — 행 수와 검증 수가 포함된 요약 문자열을 반환합니다:

  >>> repr(vd)
  'Validate(rows=3, validations=3)'
  ``
str(vd) — 사람이 읽을 수 있는 상태 문자열을 반환합니다:
  
`py
  >>> str(vd)
  'Validate: 3 validation(s), passed=False'
  `
len(vd) — 검증 수를 반환합니다:

  
`py
  >>> len(vd)
  3
  `
검증 메서드
모든 검증이 올바르게 수행되었는지 확인하고 검증 과정에서 발생할 수 있는
잠재적인 오류를 처리하려면 validate 메서드를 사용할 수 있습니다. 그러나
오류는 impact 수준이 high로 설정된 경우에만 발생한다는 점에 유의해야
합니다. 이 설정이 없으면 잠재적인 문제는 오류 메시지를 유발하지 않을 수
있습니다.
참고: 발생하는 오류는 사용자 정의 ValueError입니다.

vd stands for Validate Data

Thanks to loguru 출력은 매우
간결한 검증 정보와 그 상태를 컬러풀하게 제공합니다.

    
개발
Validoopsie는 개발 작업을 단순화하기 위해 Makefile을 포함합니다:

라이선스

MIT © Validoopsie

원작자 - Akmal Soliev

--- Tranlated By Open Ai Tx | Last indexed: 2026-06-11 ---